Wyobraź sobie taką rozmowę. Klient dzwoni w sprawie ekspresu do kawy, a agent AI rzeczowo informuje, że model jest w promocji za 899 zł do końca tygodnia i zostały trzy sztuki. Klient mówi: „Biorę”. Problem w tym, że promocja skończyła się wczoraj, cena wynosi 1049 zł, a ostatnia sztuka wyjechała godzinę temu. Liczby są tu tylko przykładem, ale mechanizm jest bardzo realny. Agent brzmiał pewnie, uprzejmie i przekonująco, a mimo to sprzedał coś, czego firma nie może dostarczyć na tych warunkach. Dobra rozmowa sprzedażowa bez prawdziwych danych to po prostu szybszy sposób na kłopoty.
Wymyślona cena to nie drobna wpadka
Po stronie klienta wszystko wygląda prosto: zadzwonił do firmy, usłyszał ofertę, więc oferta obowiązuje. Nikogo nie obchodzi, że po drugiej stronie był model językowy, a nie człowiek z cennikiem pod ręką. Gdy okazuje się, że warunki były nieprawdziwe, pojawiają się znane skutki: reklamacja, telefon do obsługi klienta, rabat „na przeprosiny”, czasem anulowane zamówienie i negatywna opinia.
Jest jeszcze jeden, mniej oczywisty problem. Naturalny, płynny głos zwiększa wiarygodność. Klient chętniej wierzy w to, co słyszy spokojnym, pewnym tonem. Syntetyzowany głos sprzeda więc błędną informację równie skutecznie jak prawdziwą. Im lepsza rozmowa, tym droższa pomyłka.
W call center widać to szczególnie mocno, bo rozmów jest dużo, a błąd się powtarza. Jeden konsultant, który pomyli się w cenie, popełni pomyłkę kilka razy w tygodniu. Agent z błędnym założeniem w instrukcji powtórzy ją w każdej rozmowie, o każdej porze, także w nocy.
Skąd biorą się „zmyślone” fakty
Model językowy nie zagląda do cennika. Generuje odpowiedź, która pasuje do rozmowy i brzmi prawdopodobnie. Jeśli zapytasz o cenę produktu, którego dane ma przed sobą, odpowie dobrze. Jeśli ich nie ma, może uzupełnić lukę czymś, co „zwykle się zgadza”. Najczęściej wynikają z tego trzy rodzaje błędów:
- Dane przestarzałe. Cennik został wklejony do instrukcji agenta miesiąc temu i nikt go nie zaktualizował.
- Dane brakujące. Klient pyta o wariant, którego nie ma w materiałach, więc agent dopowiada resztę.
- Uogólnienia. „Dostawa jest u nas zwykle darmowa”, więc agent mówi, że jest darmowa, choć dla tego koszyka już nie jest.
Dochodzi do tego nacisk na wynik. Agent nauczony domykać sprzedaż, na przykład na tysiącach prawdziwych rozmów, potrafi znakomicie rozpoznawać potrzeby i radzić sobie z obiekcjami. Ale to uczy go, jak rozmawiać, a nie ile kosztuje dziś Twój produkt. Wiedza o stylu rozmowy i wiedza o faktach to dwie różne rzeczy i powinny pochodzić z dwóch różnych źródeł.
Zasada podstawowa: agent rozmawia, system podaje fakty
Najprostszy sposób na uniknięcie halucynacji to podział ról. Agent AI odpowiada za rozmowę: wyjaśnia potrzeby klienta, buduje relację, odpowiada na wątpliwości, proponuje dodatki. Za wszystko, co można sprawdzić w liczbach, odpowiada system, w którym te dane faktycznie żyją, czyli sklep, ERP, magazyn albo CRM.
W praktyce wygląda to tak: gdy klient pyta o cenę, agent nie sięga po pamięć. Wysyła zapytanie przez API, na przykład „podaj cenę i dostępność dla tego produktu”, dostaje odpowiedź w ustrukturyzowanej formie i może powiedzieć tylko to, co w niej jest. Jeśli odpowiedź nie przyszła, nie ma liczby. To najważniejsza reguła całego układu: brak danych oznacza brak deklaracji, a nie próbę zgadnięcia.
Drugi kierunek to webhooki. Gdy rozmowa się kończy, informacja o zamówieniu, prośbie o oddzwonienie albo reklamacji powinna trafić z powrotem do Twoich systemów bez ręcznego przepisywania. W platformie takiej jak Alphacall, gdzie agent działa na pełnym silniku contact center, API i webhooki są po to, żeby dane płynęły w obie strony: do agenta w trakcie rozmowy i od agenta po jej zakończeniu.
Co konkretnie warto podłączyć
Nie trzeba zaczynać od integracji z całym przedsiębiorstwem. Dobrze jest ułożyć listę według tego, co klienci pytają najczęściej i gdzie pomyłka kosztuje najwięcej. Praktyczny punkt wyjścia wygląda tak:
- Cena aktualna. Cena brutto, waluta, cena po rabacie i informacja, czy dotyczy konkretnego wariantu produktu.
- Promocje. Tylko aktywne reguły, z warunkami: minimalna wartość koszyka, wykluczone produkty, data zakończenia. Agent nie powinien sam „wyliczać” rabatu.
- Dostępność. Ilość faktycznie do sprzedaży, a nie fizyczna ilość na półce. Uwzględnij rezerwacje z otwartych koszyków i czas dostawy.
- Dostawa i płatność. Koszty, terminy, dostępne metody dla danego adresu i wartości zamówienia.
- Dane klienta i zamówienia. Status przesyłki, zwroty, historia zakupów, bo od tego zależą sensowne propozycje dodatkowe.
- Zapis wyniku. Zamówienie, lead lub zadanie oddzwonienia wracają do systemu automatycznie.
Warto też dopisać do tego dwie zasady techniczne. Pierwsza: każda odpowiedź z systemu ma swój czas ważności, więc agent nie powinien używać ceny sprzed kilkunastu minut, jeśli rozmowa trwa długo i klient wraca do tematu. Druga: propozycje upsellu i cross-sellu mają pochodzić wyłącznie z produktów, które w tej chwili są dostępne. Nic tak nie psuje dodatkowej sprzedaży jak zaproponowanie akcesorium, którego nie da się wysłać.
Co agent mówi, gdy nie ma pewności
Samo podłączenie systemów nie wystarczy. Trzeba jeszcze zaprojektować zachowanie na wypadek, gdy system nie odpowiada, dane są sprzeczne albo pytanie wykracza poza katalog. Dobry agent nie udaje, że wie. Mówi coś w rodzaju: „Tej informacji nie widzę teraz w systemie i nie chcę podawać jej z pamięci. Mogę zapisać pytanie i poprosić kolegę z działu sprzedaży o oddzwonienie jeszcze dziś”. Dla klienta to zupełnie normalna, uczciwa odpowiedź, a dla Ciebie brak reklamacji.
Równie ważne jest dobieranie słów. „System pokazuje teraz trzy sztuki” brzmi inaczej niż „na pewno wystarczy dla Pana”. Zwroty typu „najniższa cena na rynku” albo „gwarantowana dostawa jutro” powinny być zablokowane, jeśli nie wynikają z konkretnych danych. Gdy rozmowa robi się niestandardowa, przekazanie jej człowiekowi razem z kontekstem (co klient już usłyszał, czego szukał, na czym stanęło) pozwala konsultantowi podjąć wątek bez zadawania wszystkich pytań od nowa.
Jak sprawdzić, że to działa, zanim ruszysz na pełną skalę
Przed uruchomieniem przetestuj nie tylko scenariusze idealne, ale przede wszystkim te kłopotliwe. Zadaj agentowi pytanie o produkt, którego nie ma w katalogu. Zapytaj o promocję, która wygasła wczoraj. Sprawdź, co się stanie, gdy API odpowie z opóźnieniem albo zwróci błąd. Przetestuj zerowy stan magazynowy i sytuację, w której klient próbuje wynegocjować rabat, którego reguły nie przewidują.
Po starcie nie zostawiaj tego bez nadzoru. Na początku warto słuchać rozmów na żywo albo przeglądać nagrania i porównywać to, co powiedział agent, z tym, co zwrócił system. Funkcje takie jak podsłuch czy podpowiedzi dla operatora w czasie rzeczywistym przydają się właśnie wtedy, gdy ktoś z zespołu chce zobaczyć pierwsze dni pracy agenta z bliska. Potem wystarczy regularna próbka rozmów, na przykład raz w tygodniu, oraz prosty alarm, gdy agent wymienia kwotę, której nie było w żadnej odpowiedzi z systemu.
Zobacz, jak to wygląda w prawdziwej rozmowie
Agent AI jest wart zaufania dopiero wtedy, gdy każda liczba, którą wypowiada, ma źródło. Pozostałe umiejętności, takie jak wyczucie potrzeb, praca z obiekcjami czy naturalny głos, dają efekt tylko na solidnym fundamencie danych. Jeśli chcesz zobaczyć, jak agent Alphacall łączy rozmowę sprzedażową z aktualnymi informacjami z Twoich systemów i kiedy oddaje rozmowę człowiekowi, umów pokaz na żywej rozmowie. Zadaj mu własne, najbardziej podchwytliwe pytania o ceny, promocje i dostępność. To najlepszy test, jaki możesz zrobić przed decyzją.